freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

艦用燃?xì)廨啓C(jī)某關(guān)鍵部件故障診斷方法研究畢業(yè)論文-閱讀頁

2024-09-15 21:04本頁面
  

【正文】 因?yàn)橹挥心切┡c某種故障類型之間的關(guān)系密切、對(duì)故障靈敏可靠的物理參數(shù)才被用于滾動(dòng)軸承的故障診斷。 由于軸承的振動(dòng)信號(hào)是多種引起振動(dòng)因素共同作用的結(jié)果,是沒有確定變化規(guī)律的隨機(jī)信號(hào),所以不能用確切的數(shù)學(xué)關(guān)系式來描述這種信號(hào)。均值、均方根值、峰值、波形因子、脈沖因子、峰值因數(shù)、裕度因子、峭度等,均是統(tǒng)計(jì)分析參數(shù)。這些特征參數(shù)的變化,能較好地反應(yīng)出滾動(dòng)軸承的故障的存在。在此我們 定義了六個(gè)參數(shù)。均值用于滾動(dòng)軸承缺陷診斷的優(yōu)點(diǎn)是檢測(cè)值較峰值穩(wěn)定。 ③ 峰值因子: rmspeak xxC? ( ) 峰值因數(shù)表示波形是否有沖擊的指標(biāo),峰值因數(shù)不受振動(dòng)信號(hào)的絕對(duì)水平所影沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)(論文) 12 響,所以傳感器的靈敏度即 使有變動(dòng),也不會(huì)出現(xiàn)測(cè)量誤差。陷的逐漸發(fā)展,反而會(huì)下降。 ⑤ 波形因子: mpeako xxQ ? ( ) 波形系數(shù)為峰值與絕對(duì)均值之比。當(dāng)波形系數(shù)過小時(shí),表明滾動(dòng)軸承可能發(fā)生磨損。 ⑥ 裕度因子: dpeakt xxL ? ( ) 其中 211 ??????? ??ni id xnX, ???? ??ni ir m smj pjp e a k xnxxmx 1211,1 。 沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)(論文) 13 3 故障診斷方法 大量功能簡(jiǎn)單的神經(jīng)元通過一定的拓?fù)浣Y(jié)構(gòu)組織起來,構(gòu)成群體并行式處理的計(jì)算結(jié)構(gòu),這種結(jié)構(gòu)就是人工神經(jīng)網(wǎng)絡(luò)。在工程與學(xué)術(shù)界也常直接簡(jiǎn)稱為神經(jīng)網(wǎng) 絡(luò)或類神經(jīng)網(wǎng)絡(luò)。每個(gè)節(jié)點(diǎn)代表一種特定的輸出函數(shù),稱為激勵(lì)函數(shù) ( activation function)。網(wǎng)絡(luò)的輸出則依網(wǎng)絡(luò)的連接方式,權(quán)重值和激勵(lì)函數(shù)的不同而不同。 BP 神經(jīng)網(wǎng)絡(luò) BP 神經(jīng)網(wǎng)絡(luò)是 1986 年由 Rumelhart 和 McCelland 為首的科研小 組提出,是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò),它的名字源于網(wǎng)絡(luò)權(quán)值的調(diào)整規(guī)則,采用的是后向傳播學(xué)習(xí)算法,既 BP 算法。網(wǎng)絡(luò)的學(xué)習(xí)過程包括正向傳播和反向傳播。隨著這種誤差逆向傳播修正的不斷進(jìn)行,網(wǎng)絡(luò)對(duì)輸入模式響應(yīng)的正確率也不斷上升。 (2) 模式識(shí)別 :用一個(gè)特定的輸出矢量將它與輸入矢量聯(lián)系起來 。 (4) 數(shù)據(jù)壓縮 :減少輸出矢量維數(shù)以便于傳輸或存儲(chǔ)。每個(gè)神經(jīng)元用一個(gè)節(jié)點(diǎn)表示,網(wǎng)絡(luò)由輸入層、隱層和輸出層節(jié)點(diǎn)組成。 BP 網(wǎng)絡(luò)學(xué)習(xí)方法的主要思想是把網(wǎng)絡(luò)學(xué)習(xí)分為兩個(gè)過程,即正向傳播輸出過程沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)(論文) 15 和反向傳播調(diào)整過程兩部分,正向傳播中,輸入信號(hào)從輸入層經(jīng)隱層傳向輸出層。否則,轉(zhuǎn)至反向傳播。 設(shè) BP 網(wǎng)絡(luò)的輸入向量為 u,輸入層神經(jīng)元有 n 個(gè) 。其算法的學(xué)習(xí)步驟如下 : ( 1)設(shè)置初始權(quán)值 ??0w ,它是較小的隨機(jī)非零值。 ???f 取可微的 S 型作用函數(shù),即 ? ? xexf ???1 1 ( 3) 計(jì)算網(wǎng)絡(luò)的目標(biāo)函數(shù) J : 設(shè) pE 為在第 p 組樣本輸入時(shí)網(wǎng)絡(luò)的目標(biāo)函數(shù),則 ? ?? ? ? ?tetydEk kpk kpkpP ???? ??22 2121 ( ) 式中, ??tykp 為在第 p 組樣本輸入時(shí),經(jīng) t 次權(quán)值調(diào)整后網(wǎng)絡(luò)的輸出; k 為輸出層第 k 個(gè)節(jié)點(diǎn)。 ( 4) 算法停止判別:若 ?? ??tJ 則算法結(jié)束, ? 是預(yù)先確定的且 0?? ;否則轉(zhuǎn)至步驟( 5)。取步長(zhǎng)為常值,可得到神經(jīng)元 j 到神經(jīng)元 i 的連接權(quán)值 1?t 次調(diào)整算式: ? ? ? ? ? ?? ? ? ? ? ?? ? ? ? ? ?twtwtw tEtwtw tJtwtw ijijp ijpijijijij ???????????? ???1 ( ) 式中, ? 為步長(zhǎng) ,在此稱為學(xué)習(xí)算子。由公式( )可得: jpipijp IwE ???? ( ) 分以下兩種情況計(jì)算 ip? 。將式( )和式( )代入可得: ? ? ? ?m ijmi m ipjpipml m lppjpipijp wIxfxEIxfwE ?? ?????? ? ( ) 可見由公式( )和公式( )對(duì)公式 ()進(jìn)行權(quán)值調(diào)整計(jì)算。神經(jīng)網(wǎng)絡(luò)根據(jù)人腦的生理結(jié)構(gòu)和信息處理過程創(chuàng)造人工神經(jīng)網(wǎng)絡(luò),模糊系統(tǒng)則試圖描述和處 理人的語言和思維中存在的模糊性概念,兩者都是模仿人的智能,存在著許多的相同點(diǎn)。 表 神經(jīng)網(wǎng)絡(luò)與模糊邏輯的比較 項(xiàng)目 神經(jīng)網(wǎng)絡(luò) 模糊邏輯 組成 神經(jīng)元互聯(lián) 模糊邏輯和模糊規(guī)則 映射關(guān)系 點(diǎn)與點(diǎn)之間對(duì)應(yīng) 塊與塊之間的對(duì)應(yīng) 知識(shí)儲(chǔ)存方式 連接權(quán)值 規(guī)則方式 知識(shí)表達(dá)能力 弱 強(qiáng) 容錯(cuò)能力 強(qiáng) 較強(qiáng) 學(xué)習(xí)能力 能進(jìn)行學(xué)習(xí) 不能進(jìn)行學(xué)習(xí) 精度比較 高 較高 計(jì)算量 多 少 應(yīng)用 用于建模、模式識(shí)別 可用于憑經(jīng)驗(yàn)處理的系統(tǒng) 模糊邏輯與神經(jīng)網(wǎng)絡(luò)的結(jié)合主要體現(xiàn)在以下 5 個(gè)方面: (1) 用模糊技術(shù)提高神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力。 (3) 把模糊邏輯的概念應(yīng)用于神經(jīng)網(wǎng)絡(luò)的計(jì)算和學(xué)習(xí),從而在普通神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上發(fā)展各種模糊神經(jīng)網(wǎng)絡(luò),例如:模糊感知器。 (5) 構(gòu)造完整意義上的模糊神經(jīng)網(wǎng)絡(luò)模型和算法?;镜哪:窠?jīng)元包括:模糊化神經(jīng)元 、 去模糊化神經(jīng)元和模糊邏輯神經(jīng)元。去模糊化神經(jīng)元可將以“分布值”表示的輸出結(jié)果 以“確定性值”的形式輸出。圖 為模糊神經(jīng)網(wǎng)絡(luò)的一般組織結(jié)構(gòu)。模糊神經(jīng)網(wǎng)絡(luò)的具體結(jié)構(gòu)則因模糊系統(tǒng)的具體描述方式 、 網(wǎng)絡(luò)學(xué)習(xí)算法和節(jié)點(diǎn)函數(shù)選取的不同而異。前向型模糊神經(jīng)網(wǎng)絡(luò)是一類可以實(shí)現(xiàn)模糊映射關(guān)系的模糊神經(jīng)網(wǎng)絡(luò)。圖 為含有兩個(gè)輸入層節(jié)點(diǎn) 、 一個(gè)輸出節(jié)點(diǎn)的一個(gè)基本前向模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。模糊化層的作用是按照模糊規(guī)則將輸入值轉(zhuǎn)換為一定的模糊度,是對(duì)模糊信息進(jìn)行預(yù)處理的網(wǎng)層,主要由模糊化神經(jīng)元組成。所以說,模糊推理層可以模擬執(zhí)行模糊關(guān)系的映射,以實(shí)現(xiàn)模糊模式識(shí)別 、 模糊推理和模糊聯(lián)想等。最后由輸出層 給出問題的確定性求解結(jié)果。最主要的是,模糊神經(jīng)網(wǎng)絡(luò)擴(kuò)大了系統(tǒng)處理 信息的范圍,即系統(tǒng)可同時(shí)處理確定性信息和非確定性信息;同時(shí)它大大強(qiáng)化了系統(tǒng)處理信息的手段,使系統(tǒng)處理信息的方法變得更加靈活。 X1 A11 A12 A21 A22 A23 A33 A32 A31 y X2 沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)(論文) 20 自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)( ANFIS)原理 模糊神經(jīng)網(wǎng)絡(luò)能夠充分利用專家知識(shí)和推理能力,而不必進(jìn)行精確的定量分析,因此,很受廣大工程技術(shù)人員的青睞?;谧赃m應(yīng)神經(jīng)網(wǎng)絡(luò)的模糊推理系統(tǒng)不僅能夠從專家的經(jīng)驗(yàn)中提取語言規(guī)則,而且能夠利用輸入、輸出數(shù)據(jù)優(yōu)化模型。因此,模糊神經(jīng)建模對(duì)非線性對(duì)象的建模具有突出的優(yōu)勢(shì)。更具體地講,自適應(yīng)網(wǎng)絡(luò)由一組有向連接的節(jié)點(diǎn)構(gòu)成,每一個(gè)節(jié)點(diǎn)是一個(gè)過程單元,該過程單元對(duì)輸入信號(hào)完成一定的靜態(tài)節(jié)點(diǎn)函數(shù),產(chǎn)生一個(gè)單節(jié)點(diǎn)輸出,每個(gè)連接確定信號(hào)從一個(gè)節(jié)點(diǎn)流向另一個(gè)節(jié)點(diǎn)的方向,節(jié)點(diǎn)函數(shù)通常是可修改的參數(shù)化函數(shù)。 圖 前饋型自適應(yīng)網(wǎng)絡(luò) 一般情況下,自適應(yīng)網(wǎng)絡(luò)每個(gè)節(jié)點(diǎn)可能有不同的節(jié)點(diǎn)函數(shù)。圖 是一個(gè)具有二輸入二輸出的典型自適應(yīng)網(wǎng)絡(luò)(圖中用數(shù)字 1,2,3,4,5,6,7來標(biāo)注各節(jié)點(diǎn))。如果節(jié)點(diǎn)參數(shù)集合非空,那么參數(shù)值決定節(jié)點(diǎn)函數(shù),用方形來表示自適應(yīng)節(jié)點(diǎn);如果節(jié)點(diǎn)參數(shù)集合是空集,那么節(jié)點(diǎn)函數(shù)是固定的,用圓圈來表示這種確定節(jié)點(diǎn)。 自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)( ANFIS)診斷方法 下面討論多輸入單 輸出的 Takagi—Sugeno型模糊規(guī)則的 ANFIS系統(tǒng)的模型。相應(yīng)的隸屬度函數(shù)為jiAu ? ?ix ? ?1 , 2 , , 。 Takagi—Sugeno型模糊規(guī)則的輸出是輸入變量的線性組合,即 1212101: .. . ,...j j jjn nnj j j jnif is and is and and is the nx x xR A A Ay p p pxx? ? ? ? ( ) 式中, j = nijim m???1,2, ,m? 。 0 ,1 , , 。 1 , 2 , , ii m j m??,這里的隸屬函數(shù)選的是高斯分布函數(shù)。其學(xué)習(xí)算法如下: ? ?i ljll l j ilji jil ljEE yy ydxyyPP ?? ? ?? ? ? ? ?? ? ? ? ( ) 式 中, 1 , 2 , , 。 1 , 2 , ,j m i n l r? ? ?。 ANFIS的簡(jiǎn)化結(jié)構(gòu)圖如圖。 最后求得 ? ? ? ?222 i ijijijijE xcc ? ??? ??? ( ) ? ? ? ?2232ijij iji ijE xc?? ?? ???? ( ) ? ? ? ?1ij ij ijEkkcc c? ?? ? ? ? ( ) ? ? ? ?1ij ij ijEkk ??? ??? ? ? ? ( ) 式中, 0?? 為學(xué)習(xí)率, 1,2, ,in? 1,2, , ij m? 由 ANFIS的結(jié)構(gòu)可見, ANFIS與模糊推理系統(tǒng)等價(jià)。 ANFIS的學(xué)習(xí)歸結(jié)為對(duì)前件網(wǎng)絡(luò)參數(shù)與后件網(wǎng)絡(luò)參數(shù)的調(diào)整。混合學(xué)習(xí)算法的一次迭代由兩步組成:第一步,先固定前件網(wǎng)絡(luò)參數(shù),輸入信號(hào)沿網(wǎng)絡(luò)正向傳遞直到第 4層,采用最小二乘估計(jì)算法調(diào)節(jié)后件網(wǎng)絡(luò)參數(shù)。第二步,將獲得的誤差信號(hào)沿網(wǎng)絡(luò)反向傳播,并利用 BP算法調(diào)節(jié)前件參數(shù)。 沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)(論文) 25 4 滾動(dòng)軸承 BP 神經(jīng)網(wǎng)絡(luò)故障診斷試驗(yàn)研究 前幾節(jié)篇章對(duì)滾動(dòng)軸承也有了初步的認(rèn)識(shí),對(duì)其機(jī)理以及神經(jīng)網(wǎng)絡(luò)的理論也進(jìn)行了簡(jiǎn)單的研究。本章主要以前半段為基礎(chǔ)上具體建立神經(jīng)網(wǎng)絡(luò)模型并進(jìn)行仿真,驗(yàn)證結(jié)果。 (2) 初始權(quán)值的選取 。 所設(shè)計(jì)的網(wǎng)絡(luò)的結(jié)構(gòu)將直接影響網(wǎng)絡(luò)診斷結(jié)果的可靠性。 ( 1)輸入層節(jié)點(diǎn)數(shù) 輸入層起緩沖存儲(chǔ)器的作用,把數(shù)據(jù)加到神經(jīng)網(wǎng)絡(luò)上。 神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)取決于輸入特征向量的個(gè)數(shù),即這些節(jié)點(diǎn)能夠代表每個(gè)數(shù)據(jù)源,如果數(shù)據(jù)源中含有大量的未經(jīng)處理的或者虛假的信息數(shù)據(jù),那必 將會(huì)妨礙對(duì)網(wǎng)絡(luò)的正確的訓(xùn)練,所以,要剔除那些無效的數(shù)據(jù),確定出數(shù)據(jù)源的合適數(shù)目。 ( 2)輸出層節(jié)點(diǎn)數(shù) 沈陽航空航天大學(xué)北方科技學(xué)院畢業(yè)設(shè)計(jì)(論文) 26 作為故障診斷的輸出節(jié)點(diǎn),希望能夠直接從輸出結(jié)果得到故障模式的判斷本文采用二進(jìn)制編碼方式,滾動(dòng)軸承的故障編碼即 BP 神經(jīng)網(wǎng)絡(luò)的期望輸出。只需 2 個(gè)輸出節(jié)點(diǎn),因此確定神經(jīng)網(wǎng)絡(luò)的輸出層節(jié)點(diǎn)數(shù) 2。 隱層起抽象的作用,它能從輸入提取特征。而誤差精度的提高實(shí)際上也可以通過增加隱層的神經(jīng)元數(shù)目來獲得,其訓(xùn)練效果也比增加層數(shù)更容易觀察和調(diào)整。在設(shè)計(jì)中應(yīng)當(dāng)盡可能地減少網(wǎng)絡(luò)模型的規(guī)模,以減少網(wǎng)絡(luò)的訓(xùn)練時(shí)間。所以本文選取網(wǎng)絡(luò)隱層數(shù)為 1。目前對(duì)隱層節(jié)點(diǎn)數(shù)的選取尚無統(tǒng)一標(biāo)準(zhǔn),一般是根據(jù)經(jīng)驗(yàn)或通過訓(xùn)練學(xué)習(xí)后,考慮網(wǎng)絡(luò)的學(xué)習(xí)次數(shù)和識(shí)別率綜合比較后選定隱層神經(jīng)元數(shù)的選取經(jīng)驗(yàn)公式主要有 : 10a*1 *12???????amnhmh ( ) nhmhm2log??? ( ) 其中, h 為隱層神經(jīng)元數(shù)目, m 為輸入神經(jīng)元數(shù)目, n 為輸出神經(jīng)元數(shù)目。 利用訓(xùn)練函數(shù) traingdx,傳遞函數(shù)( tansig,logsig)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。從激活函數(shù)的特性分析,初始權(quán)值應(yīng)該取介 (1,1)之間的隨機(jī)數(shù),從而保證神經(jīng)元的權(quán)值都能夠在它們的 S 型 激活函數(shù)變化最大的地方進(jìn)行調(diào)節(jié)。這樣可以在較少的迭代次數(shù)后得到滿意的訓(xùn)練結(jié)果。 期望誤差和學(xué)習(xí)率選取 學(xué)習(xí)速率決定了每一次循環(huán) 訓(xùn)練中所產(chǎn)生的權(quán)值變化量,其大小的選擇,直接影響訓(xùn)練時(shí)間,如果學(xué)習(xí)速率選擇不當(dāng),嚴(yán)重時(shí)完全不能訓(xùn)練。一般情況下,傾向于選擇較小的學(xué)習(xí)率以保證系統(tǒng)的穩(wěn)定。在設(shè)計(jì)網(wǎng)絡(luò) 的訓(xùn)練過程中,應(yīng)通過對(duì)比訓(xùn)練來
點(diǎn)擊復(fù)制文檔內(nèi)容
環(huán)評(píng)公示相關(guān)推薦
文庫(kù)吧 www.dybbs8.com
備案圖鄂ICP備17016276號(hào)-1